Google 开源一个 Python SDK:几行代码搭出开箱即用的 AI 智能体

想用大模型做智能体（Agent）的开发者，应该都经历过同一段折腾：模型能思考，但要让它在你的机器上真正干活——读文件、跑命令、调外部工具、自己循环推理——你得自己写一整套调度逻辑。工具怎么接、会话怎么记、权限怎么控、错误怎么恢复，全是脏活累活。

Google 最近开源了一个 Python SDK，想把这些脏活一次性收走。它叫 Antigravity SDK for Python，一个专门用来「快速构建 AI 智能体」的库，核心卖点是把整个 agentic loop（智能体循环）抽象成一个基础设施层，让你只关心「智能体做什么」，而不是「智能体怎么跑」。

Antigravity SDK for Python GitHub 首页

先搞清楚它解决的是什么问题

写一个真正能用的智能体，跟写一个调 Prompt 的脚本完全是两码事。后者调一次接口返回一段文字就完了；前者需要一整套运行时：

它要能循环工作。 智能体不是问一句答一句，而是自己把大任务拆成小步骤，每一步都能调用工具、看结果、再决定下一步，直到任务完成。

它要能调工具。 光会读文件不够，还要能执行命令、调用 API、操作外部服务。这些工具怎么被模型发现、怎么被安全地调用，需要一套机制。

它要有会话状态。 智能体在多个轮次之间要记得上下文，不能每次从零开始。

它要有权限控制。 让一个模型去执行 shell 命令，风险很高。没有权限管理，模型一个失误就能把你机器搞乱。

Antigravity SDK 把这些能力全部打包进一个基础设施层，你用几行代码就能得到一个「自带工具调用、会话管理、权限策略」的智能体，而不是从零拼装。

三层架构：从傻瓜到高手都有的选

这个 SDK 的架构设计很有层次，分成三层，越往下越接近底层、控制力越强：

第一层（Agent）——最简入口。 一个 Agent 类就是「开箱即用」的智能体管理器。它把二进制发现、工具接线、钩子注册、策略默认值全部藏在后台，你只要一个 async 上下文管理器就能跑起来。适合大多数场景。

第二层（Conversation）——有状态的会话。 一个 Conversation 对象累积每一步的历史，提供 chat() 快捷方法，还暴露进度、轮次数、最后响应等状态。适合需要精确控制会话生命周期的场景。

第三层（Adapter）——传输与后端抽象。 这一层做的是外部连接和后端抽象，比如 Connection、ConnectionStrategy 这些，负责「智能体怎么跟模型、跟工具建立连接」。适合做底层集成的场景。

这种分层设计的好处是：你不用一开始就理解全部三层。 绝大多数时候用第一层的 Agent 就够了，需要更细控制再往下钻。

动手看几段代码

先是最简单的用法——把 SDK 装好，配一个 API Key，就能跟智能体对话：

python
pip install google-antigravity
export GEMINI_API_KEY="你的_key"

python
import asyncio
from google.antigravity import Agent, LocalAgentConfig

async def main():
    config = LocalAgentConfig(
        system_instructions="你是代码库导航专家。"
    )
    async with Agent(config) as agent:
        response = await agent.chat("当前目录有哪些文件？")
        print(await response.text())

asyncio.run(main())

注意一个细节：这个库依赖一个编译好的运行时二进制，已经打进 PyPI 的分平台 wheel 里了。 只 clone GitHub 仓库是跑不起来的，必须 pip install google-antigravity 才能拿到那个二进制。这点对想本地折腾源码的人是个提示。

三个我觉得最实用的小特性

看文档的时候，有三个特性让我觉得它是真想让人用来写生产级智能体的。

第一个：流式输出。 智能体说话可以像真人一样逐字往外蹦，体验好，而且不阻塞：

python
async for token in response:
    sys.stdout.write(token)
    sys.stdout.flush()

第二个：想法和工具调用的实时流。 你不仅能拿到输出的文字，还能单独拿到「模型的推理过程」和「工具到底调用了哪些」这两个流。这在做 UI（比如显示「正在思考…」「正在运行 XX 工具」）时特别有用：

python
async for thought in response.thoughts:
    show_thinking_bubble(thought)

async for call in response.tool_calls:
    show_executing_spinner(call.name)

第三个：默认只读的安全模式。 默认情况下 Agent 跑在只读模式，模型不能乱写文件、不能执行危险命令。想放开所有工具（包括写操作），需要显式传 capabilities=CapabilitiesConfig()。这个默认值很关键——把「默认安全、按需放开」做进了框架，而不是留给开发者自己记得。

更高级的玩法：工具、MCP、权限策略、触发器

这几块是它真正拉开和普通封装库差距的地方。

自定义工具。 直接把一个普通 Python 函数声明成工具，模型就能调用它：

python
def get_weather(city: str) -> str:
    return f"It's sunny in {city}."

config = LocalAgentConfig(tools=[get_weather])

MCP 集成。 能接入外部的 MCP 服务器，把那些服务器里的工具暴露给智能体。MCP 是现在 AI 工具互通的主流协议，能直接接意味着这个智能体不是封闭的，能用上整个 MCP 生态：

python
from google.antigravity.types import McpStdioServer

config = LocalAgentConfig(
    mcp_servers=[McpStdioServer(name="my_server", command="npx", args=["my-mcp-server"])],
)

声明式权限策略。 这是我觉得最值得提的安全设计。你可以用一行行策略精确控制「模型能碰什么」：

python
policies = [
    deny("*"),                          # 默认全部禁止
    allow("view_file"),                 # 只允许读文件
    ask_user("run_command", handler=my_handler),  # 跑命令前先问人
]

先全部拒绝、再按需放行，这个思路和「默认只读」是一脉相承的——安全永远是框架的第一优先。

触发器。 还能让智能体作为后台任务运行，当外部事件发生时，主动把消息推给智能体。比如每隔 60 秒检查一次部署状态：

python
from google.antigravity.triggers import every

config = LocalAgentConfig(
    triggers=[every(60, check_status)],
)

多模态输入：不只认文字

这个 SDK 还支持多模态输入，你可以把图片、PDF、音频、视频等富媒体文件直接塞给智能体，让它一起分析：

python
from google.antigravity.types import Image, from_file

pdf_spec = from_file("spec.pdf")
chart_image = Image(data=b"raw_png_bytes", mime_type="image/png")

prompt = [
    "对照这份规格分析这张架构图，指出三个安全漏洞：",
    chart_image,
    pdf_spec
]
response = await agent.chat(prompt)

适合谁用，不适合谁用

适合：

• 用 Python 写智能体、但又不想从零搭运行时脚手架的开发者。
• 需要「工具调用 + 会话管理 + 权限控制」开箱即用的人。
• 想接 Google 生态（Gemini 模型、Gemini Enterprise/Vertex AI）的团队。SDK 直接支持用 Vertex 配置跑企业级模型。

不适合：

• 完全不想跟 Google 模型打交道的人——虽然它设计上比较通用，但默认对齐的是 Gemini 生态。
• 需要最大自定义、连运行框架本身都要改的人——那种场景它未必比 DeepSeek Harness 那样「一切皆插件」的框架灵活。
• 想要零依赖、纯手写控制一切的人——这个 SDK 帮你管了很多事，也意味着你让渡了一些底层控制。

一句话总结

Antigravity SDK for Python 的价值，是把「智能体该有的基础设施」做成了开箱即用：循环、工具、会话、权限、多模态、MCP，几行代码全部拿到。它尤其对两种人友好——想快速验证智能体想法的开发者，和想接 Google 模型生态做正经产品的团队。安全默认值（只读 + 先禁后放）也说明它在生产这件事上是认真的。

对关注 AI 开发的人来说，它释放的信号很明确：写智能体的门槛正在被一层层抹平，以后比拼的将是你对业务的理解，而不是你会不会手动拼装一个 agent loop。

🚀 项目信息

• 项目名：Antigravity SDK for Python
• 语言：Python
• 协议：Apache-2.0
• Star：约 3.0k（截至 2026-08-14）
• 归属：Google Antigravity 官方
• 定位：让智能体「开箱即用」的 Python 运行时 SDK

GitHub 地址： github.com/google-antigravity/antigravity-sdk-python